大數(shù)據(jù)時代計算機數(shù)據(jù)處理技術(shù)探究

第一章 大數(shù)據(jù)時代
第一節(jié) 大數(shù)據(jù)的概述
第二節(jié) 大數(shù)據(jù)的發(fā)展
第三節(jié) 大數(shù)據(jù)的現(xiàn)狀
第二章 大數(shù)據(jù)的數(shù)據(jù)獲取
第一節(jié) 數(shù)據(jù)的分類
第二節(jié) 數(shù)據(jù)獲取探針
第三節(jié) 網(wǎng)頁采集與日志收集
第四節(jié) 數(shù)據(jù)分發(fā)中間件的作用分析
第三章 數(shù)據(jù)的可視化分析
第一節(jié) 繪圖基礎(chǔ)分析
第二節(jié) 變量分布特征的可視化分析
第三節(jié) 地理信息系統(tǒng)數(shù)據(jù)的可視化解析
第四節(jié) 文本詞頻數(shù)據(jù)的可視化分析
第四章 大數(shù)據(jù)機器學習系統(tǒng)
第一節(jié) 機器學習系統(tǒng)研究背景
第二節(jié) 大數(shù)據(jù)機器學習研究現(xiàn)狀
第三節(jié) 機器學習系統(tǒng)的技術(shù)特征及問題
第四節(jié) 大數(shù)據(jù)機器學習相關(guān)技術(shù)
第五節(jié) 大數(shù)據(jù)機器學習平臺總體架構(gòu)
第五章 深度學習方法研究
第一節(jié) 深度學習方法的發(fā)展
第二節(jié) 三類深度學習網(wǎng)絡(luò)
第三節(jié) 深度自編碼器
第四節(jié) 深度堆疊網(wǎng)絡(luò)及其變形
第五節(jié) 預(yù)訓練的深度神經(jīng)網(wǎng)絡(luò)
第六章 數(shù)據(jù)挖掘中的模式甄別與網(wǎng)絡(luò)分析
第一節(jié) 模式甄別方法和評價概述
第二節(jié) 模式甄別的監(jiān)督偵測方法
第三節(jié) 網(wǎng)絡(luò)節(jié)點重要性的測度
第四節(jié) 網(wǎng)絡(luò)子群構(gòu)成特征研究
第五節(jié) 主要網(wǎng)絡(luò)類型及特點
第七章 機器學習和數(shù)據(jù)挖掘的對比分析
第一節(jié) 機器學習和數(shù)據(jù)挖掘
第二節(jié) 機器學習的方式與類型
第三節(jié) 機器學習與數(shù)據(jù)挖掘應(yīng)用解析
第四節(jié) 深度學習的實踐與發(fā)展
第八章 基于Hadoop的大數(shù)據(jù)平臺的實現(xiàn)
第一節(jié) 基于大數(shù)據(jù)的技術(shù)的數(shù)字媒體平臺建設(shè)
第二節(jié) 基于Hadoop的金融大數(shù)據(jù)平臺架構(gòu)
第三節(jié) 電信運營商大數(shù)據(jù)平臺的實現(xiàn)
第四節(jié) 大數(shù)據(jù)平臺安全與隱私保護
第九章 計算機數(shù)據(jù)處理機器學習的應(yīng)用領(lǐng)域
第一節(jié) 互聯(lián)網(wǎng)領(lǐng)域
第二節(jié) 商業(yè)領(lǐng)域
第三節(jié) 農(nóng)業(yè)信息化建設(shè)領(lǐng)域
第四節(jié) 醫(yī)療領(lǐng)域
第五節(jié) 城市規(guī)劃與建筑工程領(lǐng)域
第五節(jié) 其他研究領(lǐng)域
參考文獻